歐陽琰，王樹文，李世飛，王志斌，李文杰

(空軍預警學院，湖北 武漢 430019)

?

基于在軌光學相機的空間點目標檢測方法

歐陽琰，王樹文，李世飛，王志斌，李文杰

(空軍預警學院，湖北 武漢 430019)

針對在軌光學相機視軸無法通過衛(wèi)星姿態(tài)進行預估，序列探測圖像中恒星背景又無法忽略等空間運動點目標檢測中的難點問題，提出了一種基于序列幀探測圖像運動特性分析的點目標檢測方法。該方法首先從恒星星圖中檢測出所有的目標點，接著選取亮星點進行恒星識別，最后對所有的目標點進行運動分析，檢測出與恒星具有不同運動特性的星點作為空間點目標。仿真結果表明，該方法能夠從運動的恒星背景中識別出空間運動點目標，對完善空間運動點目標檢測方法有參考價值。

在軌光學相機；空間點目標檢測；星圖識別；運動參數(shù)估計

如今星敏感器已經(jīng)廣泛應用于航天領域，其主要觀測對象為星空中較亮的恒星，然而很多空間目標，如衛(wèi)星、飛行器等本身并不能發(fā)光發(fā)熱，想要在太空中觀測這些目標，就要求成像探測器必須能夠對暗弱目標成像。因此，為了對這些空間目標進行跟蹤和測量就需要采用特定的在軌光學相機[1-3]。

目前，很多研究開始圍繞如何利用在軌光學相機對空間點目標進行檢測和跟蹤。與星敏感器不同，在軌光學相機能夠調整視軸對不同的深空區(qū)域進行觀測，光學視場小，測量精度高。由于在軌光學相機探測得到的圖像背景主要為恒星，因此空間點目標的檢測和跟蹤需要建立在恒星識別的基礎上。文獻[4]提出了一種基于星圖識別算法的空間小目標識別方法，利用星對距離和星對角距兩個特征匹配識別恒星，進而快速檢測出空間小目標，但是該方法主要針對局部星圖中的亮星進行檢測與跟蹤。文獻[5]針對探測靈敏度為9等星的在軌光學測量相機提出了能對空間點目標進行檢測和跟蹤的方法，但是該方法僅適用于相機視軸指向相對于衛(wèi)星平臺靜止的情況，相機視軸指向可以通過衛(wèi)星姿態(tài)運動來估計。但是在實際觀測過程中，相機視軸相對于衛(wèi)星平臺也處在運動之中，不可能完全靜止，通常認定在某一檢測周期內進行勻速運動。文獻[6]提出了利用相鄰幀間差分運算的方法消除星空背景并提取運動點目標的軌跡，但是該方法只適用于假定恒星背景不運動(位移小于5個像素)，點目標的運動位移明顯的情況。然而在實際探測過程中，背景及恒星的位移顯然不會小于5個像素，這時僅靠幀間差分運算無法消除星空背景。

筆者在分析在軌光學相機所拍攝的星空圖像特性的基礎上，提出了一種空間運動點目標的檢測方法。該方法首先提取星圖中的全部點目標，接著選取連續(xù)5幀星圖中最亮的3顆恒星，采用三角匹配的方式進行星圖識別，以識別出的恒星為代表預估恒星運動的方向與速度，接著對5幀星圖中所有檢測出的點目標采用預估運動參數(shù)進行匹配，找出不符合運動參數(shù)的點目標并標記為空間點目標。仿真結果表明，該方法能夠較好地檢測在軌光學相機探測星圖中的運動點目標。

1 星圖目標點提取

在軌光學相機探測圖像中的點目標信號集中在一個連續(xù)像元區(qū)域內，區(qū)域中心的信號峰值要遠高于噪聲平均值。因此，可以先對圖像進行閾值濾波，然后采用連通區(qū)域法提取出所有的點目標。

常用的閾值分割方法[7]有很多，例如迭代閾值法、OTSU閾值法等，在星圖識別中自適應閾值法由于原理簡單、計算方法靈活，應用十分廣泛。由于星圖中的點目標屬于凸形目標，在進行點目標提取時，適合采用四連通區(qū)域[8]進行分析。連通區(qū)域提取完之后，依據(jù)提取結果可以去除成像面上的孤立點及目標區(qū)域大于5×5像素的目標點，完成點目標提取后，將得到的最終目標點的集合標記為：Ni={N1,N2,…,Nn}，并對所有點目標采用基于圖像灰度的一階矩方法[9]求取質心，計算質心選用的區(qū)域大小為5×5像素。

2 序列星圖中空間點目標檢測方法

2.1 空間點目標檢測流程

采用在軌相機對空間運動點目標進行觀測時，相機視軸相對于衛(wèi)星平臺也會有運動，因此無法采用文獻[5]中的方法依據(jù)衛(wèi)星平臺的姿態(tài)來估計相機的視軸變化。另外在軌相機視場小、成像分辨率高，相鄰幀圖像間的恒星背景運動不可忽略，因此也無法直接采用文獻[6]中的相鄰幀圖像間差分運算來消除恒星星點，保留空間點目標。

為了能從序列星圖中檢測出空間運動點目標，可以通過分析空間點目標與恒星點在序列星圖中的運動特性得到。靜止恒星點在序列星圖中的運動主要是由相機視軸和衛(wèi)星平臺運動產(chǎn)生的，運動目標點在序列星圖中的運動主要是由相機視軸、衛(wèi)星平臺運動，以及自身運動產(chǎn)生的，其中相機視軸、衛(wèi)星平臺，以及空間點目標的運動在一定的探測周期內可認為是勻速運動。因此，可以通過對連續(xù)多幀圖像進行分析，得出靜止恒星點的勻速運動特性，并通過比對運動特性的不同來識別星圖中的運動點目標。其流程如圖1所示。

圖1 空間運動點目標檢測流程

2.2 基于星圖識別的靜止恒星運動參數(shù)分析

為了能夠觀測空間暗弱目標，在軌相機的探測靈敏度都較高，因此在視場中出現(xiàn)的恒星會非常多，逐一對所有恒星進行恒星識別不太現(xiàn)實，需要選取一些特征星。由于恒星的星等越低，在探測器上成像的信噪比越高，質心計算的精度也越高，因此在識別過程中比較容易將其與空間暗弱目標進行區(qū)分。在選取用作代表的恒星時，主要從提取的目標點集合Ni={N1,N2,…,Nn}中選取最亮的點目標來進行恒星識別，具體的恒星識別過程采用目前主流的三角匹配方法。在軌相機由于視場小、單星位置測量精度高，角距的計算誤差與誤匹配率都大大低于星敏感器，使用三角匹配方法就足夠保證恒星識別的正確率。在識別出起始幀圖像中的代表恒星之后，接著通過分析連續(xù)幀圖像中的代表恒星，就能夠確定恒星星點的運動參數(shù)。

2.2.1 基于三角匹配的起始幀圖像中代表恒星選取

三角匹配方法主要依據(jù)星對間的角距來進行識別，主要的識別過程按照文獻[10]中提出的方法進行構建。為了達到使用代表恒星進行運動參數(shù)估計的目的，在選擇星組時應當遵循以下的準則：①按照恒星的亮度來選擇，優(yōu)先選擇亮的恒星；②避免選擇落在視場邊緣的恒星；③至少選擇3顆恒星組成星組。識別出的恒星組標記為Sj{Sj1,Sj2,Sj3}，其中j表示幀數(shù)，j=1,2,3,4,5。

2.2.2 靜止恒星運動參數(shù)分析

從起始幀圖像中提取代表恒星點坐標之后，以這些代表恒星點的坐標為基準，在相鄰幀圖像中一定大小的鄰域M內找出灰度分布與起始幀中代表恒星點近似的點目標。如果相鄰幀圖像中無法找出相對應的恒星點，則擴大鄰域M再次進行搜索；如果相鄰幀圖像中的恒星組不唯一，則再次采用三角匹配方法進行識別，確定相鄰幀圖像中與起始幀相對應的代表恒星組。具體流程如圖2所示。

圖2 相鄰幀圖像代表恒星點提取方法流程

首先通過對連續(xù)5幀圖像進行檢測，找出互相匹配的恒星組Sj{Sj1,Sj2,Sj3}，其中j表示連續(xù)幀圖像的序號，j=1,2,3,4,5。然后利用Sj來預估恒星的運動參數(shù)，由于在一個檢測周期內，靜止的恒星可以認為是勻速運動，那么可以通過比較Sj中靜止恒星的坐標，結合已知相機成像曝光時間t，計算出恒星在x方向和y方向上的運動速度Vxj，Vyj(像素/s)。

2.3 空間運動點目標檢測

根據(jù)空間運動點目標與靜止的恒星點具有不同運動特性的特點，對空間運動點目標進行檢測。假定星圖中檢測出的目標點集為Ni={N1,N2,…,Nn}，Ni包含空間運動點目標和恒星點，由于在軌相機的探測靈敏度非常高，一幅星圖中探測到的恒星點數(shù)目會非常多，無法采用卡爾曼濾波的方式對所有的目標進行運動估計，且運算量會非常大。因此，提出了一種簡便快速的點目標檢測方法。

(2)在第2幀中查找以(x′,y′)為中心的鄰域M內的點目標，并與(x′,y′, E′)進行比較：

(1)

|EM-E′| <ε

(2)

式中：(xM, yM, EM)為鄰域M內的一個點目標；ε與ζ為兩個根據(jù)不同相機的參數(shù)所設定的常數(shù)。

(3)如果鄰域M內存在一個匹配的點目標，則重復步驟(1)和步驟(2)，依次對第3幀、第4幀和第5幀中的點目標進行檢測，如果該目標在5幀中被檢測出的次數(shù)超過4次(考慮到可能發(fā)生漏檢)，則將該點目標標記為恒星；如果某一個目標在5幀中都沒有被檢測到，則認為是空間運動點目標。

3 仿真實驗

3.1 相機參數(shù)

在仿真實驗之前，首先需要設定在軌光學相機的主要參數(shù)，如表1所示。

表1 在軌光學相機主要參數(shù)

從相機的主要參數(shù)可以看出，在軌光學相機具有視場小、單個像元分辨率高的特點。

3.2 空間小目標檢測方法驗證

設定在軌光學相機的主要參數(shù)后，采用文獻[1]中提出的方法來生成仿真的序列星圖，為了方便顯示，采用占有像素數(shù)量來表示點目標的亮度，占有的像素數(shù)越多則亮度越大。為了驗證該方法的有效性，筆者仿真了3組序列星圖，3組星圖的成像參數(shù)如表2所示。

表2 星圖仿真參數(shù)

根據(jù)相機視軸初始指向，結合Tycho-2星表中提供的J2000坐標系中恒星坐標，便可以生成一個探測周期內的仿真星圖，在一個探測周期內的點目標運動速度為隨機生成。生成序列仿真星圖之后，接著采用筆者提出的點目標檢測方法，對序列星圖中的點目標進行檢測，可以得到如圖3所示的結果。

圖3 運動點目標檢測結果

通過使用筆者提出的檢測方法，可以從眾多的恒星中提取出與恒星運動參數(shù)截然不同的空間運動點目標，檢測出的點目標屬于空間暗弱目標，在亮度上僅相當于星等為10.5的恒星亮度。

4 結論

針對在軌光學相機的空間目標觀測平臺，筆者提出了一種空間運動點目標的檢測方法，解決了點目標檢測過程中恒星背景無法忽略、相機視軸運動無法通過衛(wèi)星平臺運動進行預估等問題。通過仿真驗證，該方法對于空間運動點目標的檢測具有較好的效果。

[1] 程軍，張偉，鮑文卓，等.在軌光學相機探測圖像數(shù) 字仿真系統(tǒng)的設計與實現(xiàn)[J].光學精密工程，2009，17(9)：2136-2144.

[2] 韓意，孫華燕.空間目標天基光學成像仿真研究進展[J].紅外與激光工程，2012，41(12)：3372-3378.

[3] 張偉，程軍，曹移明，等.空間目標相對運動角參數(shù)的天基光學測量方法[J].紅外與激光工程，2011，40(1)：123-128.

[4] 趙臻，高穎慧，王平.基于星圖識別算法的空間小目標識別[J].重慶理工大學學報(自然科學版)，2011，25(4)：97-101.

[5] 程軍,張偉,從明煜.基于星圖識別的空間目標檢測算法研究[J].光學技術，2010，36(3)：439-444.

[6] 王寒濤，趙保軍，唐林波.星空背景下的運動點目標軌跡提取[J].光學技術，2009，35(6)：810-818.

[7] LI Q, XU W, XU Z H, et al. Influence of threshold segmentation on star pair angular separation measurement accuracy[C]∥IEEE Conference on Measuring Technology and Mechatronics Automation. Hong Kong:IEEE,2013:635-638.

[8] 李學夔，譚海曙，張煥明，等.高精度星敏感器的導航星識別定位算法研究[J].計算機工程與應用，2010，46(21)：220-224.

[9] 趙剡，張怡.星圖識別質心提取算法研究[J].空間電子技術，2004(4)：5-8.

[10] 陳元枝，郝志航.基于星敏感器的星圖識別方法[J].光電工程，2000，27(5)：5-10.

OUYANG Yan:Doctor; Air Force Early Warning Academy, Wuhan 430019, China.

[編輯：王志全]

Spatial Point Target Detection Method Based on On-orbit Optical Camera

OUYANGYan,WANGShuwen,LIShifei,WANGZhibin,LIWenjie

In order to solve the problems that the foresight of camera cannot be estimated by using attitude of satellite platform and star background cannot be ignored in sequence images, a spatial moving point target detection method was proposed based on analyzing motion features for on-orbit optical camera. This method firstly detects all the target points from star maps; secondly selects bright point targets to go through star recognition; and thirdly the movement of stars can be estimated from continuous image frames; finally spatial point targets can be detected by analyzing the differences of movement between point targets and stars. Through simulation experiments, the proposed method can identify spatial point target from moving star background in sequence images.

on-orbit optical camera; spatial point target detection; star pattern recognition; motion parameter estimation

2015-05-01.

歐陽琰(1984-)，男，湖北武漢人，空軍預警學院講師；博士.

國家自然科學基金(青年基金)資助項目(61503410).

2095-3852(2015)06-0667-04

A

TP391.4

10.3963/j.issn.2095-3852.2015.06.001